Diabetes Data Analysis
Merve Zirekğlu
2023-10-22
1 Önsöz
Bu çalışma Kaggle’dan alınan DiabetesDataAnalysis(*) adlı veri seti ile hazırlanmıştır.
(*) https://www.kaggle.com/datasets/aemyjutt/diabetesdataanslysis/data
2 Veri Tanımı
Verimizi import edelim.
diabetes <- read.csv("diabetes.csv")
View(diabetes)nrow(diabetes)## [1] 768ncol(diabetes)## [1] 9Veri seti 9 değişken ve 768 gözlem içermektedir.
3 Veri Seti İncelemesi
str(diabetes)## 'data.frame': 768 obs. of 9 variables:
## $ Pregnancies : int 6 1 8 1 0 5 3 10 2 8 ...
## $ Glucose : int 148 85 183 89 137 116 78 115 197 125 ...
## $ BloodPressure : int 72 66 64 66 40 74 50 0 70 96 ...
## $ SkinThickness : int 35 29 0 23 35 0 32 0 45 0 ...
## $ Insulin : int 0 0 0 94 168 0 88 0 543 0 ...
## $ BMI : num 33.6 26.6 23.3 28.1 43.1 25.6 31 35.3 30.5 0 ...
## $ DiabetesPedigreeFunction: num 0.627 0.351 0.672 0.167 2.288 ...
## $ Age : int 50 31 32 21 33 30 26 29 53 54 ...
## $ Outcome : int 1 0 1 0 1 0 1 0 1 1 ...Pregnancies: Hamile kalma sayısı.
Glucose: Şeker seviyesi.
BloodPressure: Kan basıncı (mm/Hg).
SkinThickness: Cilt kalınlığı (mm).
Insulin: İnsülin değeri (2 saatlik serum insülini)
BMI: Vücut kitle indeksi (kg/(boy)^2)
DiabetesPedigreeFunction: Diyabet soyağacı işlevi (aile geçmişine dayalı olarak diyabet olasılığını puanlayan bir işlev).
Age: Yaş
Outcome: Sonuç (0: Diyabeti yok, 1: Diyabeti var.)
3.1 Eksik Değer Kontrolü
Eksik gözlemleri kontrol edelim.
colSums(is.na(diabetes))## Pregnancies Glucose BloodPressure
## 0 0 0
## SkinThickness Insulin BMI
## 0 0 0
## DiabetesPedigreeFunction Age Outcome
## 0 0 0Veri setinde eksik gözlem yokmuş gibi görünüyor. Ancak bazı gözlemlerde “0” yer alıyor olabilir. Bu durumu inceleyelim.
Pregnancies Değişkeni
Doğum bilgisini içeren bu değişkende “0” yer alması anormal bir durum olarak düşünülmez. Bu sebeple 0’lar incelenmeyecektir.
Glucose Değişkeni
Şeker hastalarında Glucose değeri, normal bireylerden farklılık gösterebileceği için bu değişkende de “0”lar incelenmeyecektir.
BloodPressure Değişkeni
zeroBloodPressure <- diabetes$BloodPressure == 0
diabetes[zeroBloodPressure, ]## Pregnancies Glucose BloodPressure SkinThickness Insulin BMI
## 8 10 115 0 0 0 35.3
## 16 7 100 0 0 0 30.0
## 50 7 105 0 0 0 0.0
## 61 2 84 0 0 0 0.0
## 79 0 131 0 0 0 43.2
## 82 2 74 0 0 0 0.0
## 173 2 87 0 23 0 28.9
## 194 11 135 0 0 0 52.3
## 223 7 119 0 0 0 25.2
## 262 3 141 0 0 0 30.0
## 267 0 138 0 0 0 36.3
## 270 2 146 0 0 0 27.5
## 301 0 167 0 0 0 32.3
## 333 1 180 0 0 0 43.3
## 337 0 117 0 0 0 33.8
## 348 3 116 0 0 0 23.5
## 358 13 129 0 30 0 39.9
## 427 0 94 0 0 0 0.0
## 431 2 99 0 0 0 22.2
## 436 0 141 0 0 0 42.4
## 454 2 119 0 0 0 19.6
## 469 8 120 0 0 0 30.0
## 485 0 145 0 0 0 44.2
## 495 3 80 0 0 0 0.0
## 523 6 114 0 0 0 0.0
## 534 6 91 0 0 0 29.8
## 536 4 132 0 0 0 32.9
## 590 0 73 0 0 0 21.1
## 602 6 96 0 0 0 23.7
## 605 4 183 0 0 0 28.4
## 620 0 119 0 0 0 32.4
## 644 4 90 0 0 0 28.0
## 698 0 99 0 0 0 25.0
## 704 2 129 0 0 0 38.5
## 707 10 115 0 0 0 0.0
## DiabetesPedigreeFunction Age Outcome
## 8 0.134 29 0
## 16 0.484 32 1
## 50 0.305 24 0
## 61 0.304 21 0
## 79 0.270 26 1
## 82 0.102 22 0
## 173 0.773 25 0
## 194 0.578 40 1
## 223 0.209 37 0
## 262 0.761 27 1
## 267 0.933 25 1
## 270 0.240 28 1
## 301 0.839 30 1
## 333 0.282 41 1
## 337 0.932 44 0
## 348 0.187 23 0
## 358 0.569 44 1
## 427 0.256 25 0
## 431 0.108 23 0
## 436 0.205 29 1
## 454 0.832 72 0
## 469 0.183 38 1
## 485 0.630 31 1
## 495 0.174 22 0
## 523 0.189 26 0
## 534 0.501 31 0
## 536 0.302 23 1
## 590 0.342 25 0
## 602 0.190 28 0
## 605 0.212 36 1
## 620 0.141 24 1
## 644 0.610 31 0
## 698 0.253 22 0
## 704 0.304 41 0
## 707 0.261 30 1BloodPressure değerleri 0 yazan gözlemler tespit edilmiştir.
SkinThickness Değişkeni
zeroSkinThickness <- diabetes$SkinThickness == 0
diabetes[zeroSkinThickness, ]## Pregnancies Glucose BloodPressure SkinThickness Insulin BMI
## 3 8 183 64 0 0 23.3
## 6 5 116 74 0 0 25.6
## 8 10 115 0 0 0 35.3
## 10 8 125 96 0 0 0.0
## 11 4 110 92 0 0 37.6
## 12 10 168 74 0 0 38.0
## 13 10 139 80 0 0 27.1
## 16 7 100 0 0 0 30.0
## 18 7 107 74 0 0 29.6
## 22 8 99 84 0 0 35.4
## 23 7 196 90 0 0 39.8
## 27 7 147 76 0 0 39.4
## 30 5 117 92 0 0 34.1
## 34 6 92 92 0 0 19.9
## 37 11 138 76 0 0 33.2
## 42 7 133 84 0 0 40.2
## 45 7 159 64 0 0 27.4
## 47 1 146 56 0 0 29.7
## 50 7 105 0 0 0 0.0
## 59 0 146 82 0 0 40.5
## 61 2 84 0 0 0 0.0
## 62 8 133 72 0 0 32.9
## 63 5 44 62 0 0 25.0
## 65 7 114 66 0 0 32.8
## 68 2 109 92 0 0 42.7
## 73 13 126 90 0 0 43.4
## 77 7 62 78 0 0 32.6
## 79 0 131 0 0 0 43.2
## 82 2 74 0 0 0 0.0
## 85 5 137 108 0 0 48.8
## 91 1 80 55 0 0 19.1
## 94 4 134 72 0 0 23.8
## 101 1 163 72 0 0 39.0
## 102 1 151 60 0 0 26.1
## 103 0 125 96 0 0 22.5
## 105 2 85 65 0 0 39.6
## 107 1 96 122 0 0 22.4
## 114 4 76 62 0 0 34.0
## 116 4 146 92 0 0 31.2
## 117 5 124 74 0 0 34.0
## 118 5 78 48 0 0 33.7
## 124 5 132 80 0 0 26.8
## 125 0 113 76 0 0 33.3
## 130 0 105 84 0 0 27.9
## 132 9 122 56 0 0 33.3
## 139 0 129 80 0 0 31.2
## 141 3 128 78 0 0 21.1
## 144 10 108 66 0 0 32.4
## 149 5 147 78 0 0 33.7
## 152 4 114 65 0 0 21.9
## 155 8 188 78 0 0 47.9
## 165 0 131 88 0 0 31.6
## 168 4 120 68 0 0 29.6
## 169 4 110 66 0 0 31.9
## 171 6 102 82 0 0 30.8
## 177 6 85 78 0 0 31.2
## 179 5 143 78 0 0 45.0
## 180 5 130 82 0 0 39.1
## 181 6 87 80 0 0 23.2
## 184 5 73 60 0 0 26.8
## 185 4 141 74 0 0 27.6
## 191 3 111 62 0 0 22.6
## 193 7 159 66 0 0 30.4
## 194 11 135 0 0 0 52.3
## 197 1 105 58 0 0 24.3
## 202 1 138 82 0 0 40.1
## 208 5 162 104 0 0 37.7
## 220 5 112 66 0 0 37.8
## 222 2 158 90 0 0 31.6
## 223 7 119 0 0 0 25.2
## 227 0 101 76 0 0 35.7
## 231 4 142 86 0 0 44.0
## 234 4 122 68 0 0 35.0
## 236 4 171 72 0 0 43.6
## 240 0 104 76 0 0 18.4
## 243 3 139 54 0 0 25.6
## 247 10 122 68 0 0 31.2
## 251 9 106 52 0 0 31.2
## 252 2 129 84 0 0 28.0
## 262 3 141 0 0 0 30.0
## 265 4 123 62 0 0 32.0
## 267 0 138 0 0 0 36.3
## 269 0 102 52 0 0 25.1
## 270 2 146 0 0 0 27.5
## 273 3 122 78 0 0 23.0
## 275 13 106 70 0 0 34.2
## 279 5 114 74 0 0 24.9
## 281 0 146 70 0 0 37.9
## 284 7 161 86 0 0 30.4
## 285 2 108 80 0 0 27.0
## 295 0 161 50 0 0 21.9
## 300 8 112 72 0 0 23.6
## 301 0 167 0 0 0 32.3
## 304 5 115 98 0 0 52.9
## 305 3 150 76 0 0 21.0
## 318 3 182 74 0 0 30.5
## 320 6 194 78 0 0 23.5
## 328 10 179 70 0 0 35.1
## 333 1 180 0 0 0 43.3
## 334 12 106 80 0 0 23.6
## 337 0 117 0 0 0 33.8
## 338 5 115 76 0 0 31.2
## 340 7 178 84 0 0 39.9
## 344 5 122 86 0 0 34.7
## 345 8 95 72 0 0 36.8
## 348 3 116 0 0 0 23.5
## 351 4 92 80 0 0 42.2
## 352 4 137 84 0 0 31.2
## 355 3 90 78 0 0 42.7
## 356 9 165 88 0 0 30.4
## 362 5 158 70 0 0 29.8
## 364 4 146 78 0 0 38.5
## 367 6 124 72 0 0 27.6
## 379 4 156 75 0 0 48.3
## 392 5 166 76 0 0 45.7
## 395 4 158 78 0 0 32.9
## 399 3 82 70 0 0 21.1
## 401 4 95 64 0 0 32.0
## 402 6 137 61 0 0 24.2
## 405 5 168 64 0 0 32.9
## 407 4 115 72 0 0 28.9
## 408 0 101 62 0 0 21.9
## 409 8 197 74 0 0 25.9
## 419 1 83 68 0 0 18.2
## 427 0 94 0 0 0 0.0
## 431 2 99 0 0 0 22.2
## 434 2 139 75 0 0 25.6
## 436 0 141 0 0 0 42.4
## 438 5 147 75 0 0 29.9
## 440 6 107 88 0 0 36.8
## 444 8 108 70 0 0 30.5
## 452 2 134 70 0 0 28.9
## 454 2 119 0 0 0 19.6
## 457 1 135 54 0 0 26.7
## 462 1 71 62 0 0 21.8
## 465 10 115 98 0 0 24.0
## 469 8 120 0 0 0 30.0
## 474 7 136 90 0 0 29.9
## 475 4 114 64 0 0 28.9
## 485 0 145 0 0 0 44.2
## 490 8 194 80 0 0 26.1
## 495 3 80 0 0 0 0.0
## 496 6 166 74 0 0 26.6
## 497 5 110 68 0 0 26.0
## 506 10 75 82 0 0 33.3
## 510 8 120 78 0 0 25.0
## 513 9 91 68 0 0 24.2
## 514 2 91 62 0 0 27.3
## 518 7 125 86 0 0 37.6
## 519 13 76 60 0 0 32.8
## 523 6 114 0 0 0 0.0
## 524 9 130 70 0 0 34.2
## 525 3 125 58 0 0 31.6
## 530 0 111 65 0 0 24.6
## 532 0 107 76 0 0 45.3
## 534 6 91 0 0 0 29.8
## 536 4 132 0 0 0 32.9
## 537 0 105 90 0 0 29.6
## 538 0 57 60 0 0 21.7
## 553 6 114 88 0 0 27.8
## 558 8 110 76 0 0 27.8
## 560 11 85 74 0 0 30.1
## 561 6 125 76 0 0 33.8
## 565 0 91 80 0 0 32.4
## 571 3 78 70 0 0 32.5
## 572 2 130 96 0 0 22.6
## 578 2 118 80 0 0 42.9
## 579 10 133 68 0 0 27.0
## 584 8 100 76 0 0 38.7
## 587 8 143 66 0 0 34.9
## 588 6 103 66 0 0 24.3
## 590 0 73 0 0 0 21.1
## 593 3 132 80 0 0 34.4
## 597 0 67 76 0 0 45.3
## 599 1 173 74 0 0 36.8
## 602 6 96 0 0 0 23.7
## 605 4 183 0 0 0 28.4
## 616 3 106 72 0 0 25.8
## 617 6 117 96 0 0 28.7
## 620 0 119 0 0 0 32.4
## 623 6 183 94 0 0 40.8
## 625 2 108 64 0 0 30.8
## 627 0 125 68 0 0 24.7
## 628 0 132 78 0 0 32.4
## 629 5 128 80 0 0 34.6
## 631 7 114 64 0 0 27.4
## 633 2 111 60 0 0 26.2
## 635 10 92 62 0 0 25.9
## 636 13 104 72 0 0 31.2
## 637 5 104 74 0 0 28.8
## 642 4 128 70 0 0 34.3
## 643 6 147 80 0 0 29.5
## 644 4 90 0 0 0 28.0
## 654 2 120 54 0 0 26.8
## 659 11 127 106 0 0 39.0
## 661 10 162 84 0 0 27.7
## 675 8 91 82 0 0 35.6
## 676 6 195 70 0 0 30.9
## 677 9 156 86 0 0 24.8
## 678 0 93 60 0 0 35.3
## 679 3 121 52 0 0 36.0
## 684 4 125 80 0 0 32.3
## 685 5 136 82 0 0 0.0
## 687 3 130 64 0 0 23.1
## 691 8 107 80 0 0 24.6
## 692 13 158 114 0 0 42.3
## 695 2 90 60 0 0 23.5
## 698 0 99 0 0 0 25.0
## 700 4 118 70 0 0 44.5
## 704 2 129 0 0 0 38.5
## 707 10 115 0 0 0 0.0
## 709 9 164 78 0 0 32.8
## 715 3 102 74 0 0 29.5
## 725 1 111 94 0 0 32.8
## 729 2 175 88 0 0 22.9
## 730 2 92 52 0 0 30.1
## 732 8 120 86 0 0 28.4
## 735 2 105 75 0 0 23.3
## 740 1 102 74 0 0 39.5
## 744 9 140 94 0 0 32.7
## 750 6 162 62 0 0 24.3
## 751 4 136 70 0 0 31.2
## 758 0 123 72 0 0 36.3
## 759 1 106 76 0 0 37.5
## 760 6 190 92 0 0 35.5
## 763 9 89 62 0 0 22.5
## 767 1 126 60 0 0 30.1
## DiabetesPedigreeFunction Age Outcome
## 3 0.672 32 1
## 6 0.201 30 0
## 8 0.134 29 0
## 10 0.232 54 1
## 11 0.191 30 0
## 12 0.537 34 1
## 13 1.441 57 0
## 16 0.484 32 1
## 18 0.254 31 1
## 22 0.388 50 0
## 23 0.451 41 1
## 27 0.257 43 1
## 30 0.337 38 0
## 34 0.188 28 0
## 37 0.420 35 0
## 42 0.696 37 0
## 45 0.294 40 0
## 47 0.564 29 0
## 50 0.305 24 0
## 59 1.781 44 0
## 61 0.304 21 0
## 62 0.270 39 1
## 63 0.587 36 0
## 65 0.258 42 1
## 68 0.845 54 0
## 73 0.583 42 1
## 77 0.391 41 0
## 79 0.270 26 1
## 82 0.102 22 0
## 85 0.227 37 1
## 91 0.258 21 0
## 94 0.277 60 1
## 101 1.222 33 1
## 102 0.179 22 0
## 103 0.262 21 0
## 105 0.930 27 0
## 107 0.207 27 0
## 114 0.391 25 0
## 116 0.539 61 1
## 117 0.220 38 1
## 118 0.654 25 0
## 124 0.186 69 0
## 125 0.278 23 1
## 130 0.741 62 1
## 132 1.114 33 1
## 139 0.703 29 0
## 141 0.268 55 0
## 144 0.272 42 1
## 149 0.218 65 0
## 152 0.432 37 0
## 155 0.137 43 1
## 165 0.743 32 1
## 168 0.709 34 0
## 169 0.471 29 0
## 171 0.180 36 1
## 177 0.382 42 0
## 179 0.190 47 0
## 180 0.956 37 1
## 181 0.084 32 0
## 184 0.268 27 0
## 185 0.244 40 0
## 191 0.142 21 0
## 193 0.383 36 1
## 194 0.578 40 1
## 197 0.187 21 0
## 202 0.236 28 0
## 208 0.151 52 1
## 220 0.261 41 1
## 222 0.805 66 1
## 223 0.209 37 0
## 227 0.198 26 0
## 231 0.645 22 1
## 234 0.394 29 0
## 236 0.479 26 1
## 240 0.582 27 0
## 243 0.402 22 1
## 247 0.258 41 0
## 251 0.380 42 0
## 252 0.284 27 0
## 262 0.761 27 1
## 265 0.226 35 1
## 267 0.933 25 1
## 269 0.078 21 0
## 270 0.240 28 1
## 273 0.254 40 0
## 275 0.251 52 0
## 279 0.744 57 0
## 281 0.334 28 1
## 284 0.165 47 1
## 285 0.259 52 1
## 295 0.254 65 0
## 300 0.840 58 0
## 301 0.839 30 1
## 304 0.209 28 1
## 305 0.207 37 0
## 318 0.345 29 1
## 320 0.129 59 1
## 328 0.200 37 0
## 333 0.282 41 1
## 334 0.137 44 0
## 337 0.932 44 0
## 338 0.343 44 1
## 340 0.331 41 1
## 344 0.290 33 0
## 345 0.485 57 0
## 348 0.187 23 0
## 351 0.237 29 0
## 352 0.252 30 0
## 355 0.559 21 0
## 356 0.302 49 1
## 362 0.207 63 0
## 364 0.520 67 1
## 367 0.368 29 1
## 379 0.238 32 1
## 392 0.340 27 1
## 395 0.803 31 1
## 399 0.389 25 0
## 401 0.161 31 1
## 402 0.151 55 0
## 405 0.135 41 1
## 407 0.376 46 1
## 408 0.336 25 0
## 409 1.191 39 1
## 419 0.624 27 0
## 427 0.256 25 0
## 431 0.108 23 0
## 434 0.167 29 0
## 436 0.205 29 1
## 438 0.434 28 0
## 440 0.727 31 0
## 444 0.955 33 1
## 452 0.542 23 1
## 454 0.832 72 0
## 457 0.687 62 0
## 462 0.416 26 0
## 465 1.022 34 0
## 469 0.183 38 1
## 474 0.210 50 0
## 475 0.126 24 0
## 485 0.630 31 1
## 490 0.551 67 0
## 495 0.174 22 0
## 496 0.304 66 0
## 497 0.292 30 0
## 506 0.263 38 0
## 510 0.409 64 0
## 513 0.200 58 0
## 514 0.525 22 0
## 518 0.304 51 0
## 519 0.180 41 0
## 523 0.189 26 0
## 524 0.652 45 1
## 525 0.151 24 0
## 530 0.660 31 0
## 532 0.686 24 0
## 534 0.501 31 0
## 536 0.302 23 1
## 537 0.197 46 0
## 538 0.735 67 0
## 553 0.247 66 0
## 558 0.237 58 0
## 560 0.300 35 0
## 561 0.121 54 1
## 565 0.601 27 0
## 571 0.270 39 0
## 572 0.268 21 0
## 578 0.693 21 1
## 579 0.245 36 0
## 584 0.190 42 0
## 587 0.129 41 1
## 588 0.249 29 0
## 590 0.342 25 0
## 593 0.402 44 1
## 597 0.194 46 0
## 599 0.088 38 1
## 602 0.190 28 0
## 605 0.212 36 1
## 616 0.207 27 0
## 617 0.157 30 0
## 620 0.141 24 1
## 623 1.461 45 0
## 625 0.158 21 0
## 627 0.206 21 0
## 628 0.393 21 0
## 629 0.144 45 0
## 631 0.732 34 1
## 633 0.343 23 0
## 635 0.167 31 0
## 636 0.465 38 1
## 637 0.153 48 0
## 642 0.303 24 0
## 643 0.178 50 1
## 644 0.610 31 0
## 654 0.455 27 0
## 659 0.190 51 0
## 661 0.182 54 0
## 675 0.587 68 0
## 676 0.328 31 1
## 677 0.230 53 1
## 678 0.263 25 0
## 679 0.127 25 1
## 684 0.536 27 1
## 685 0.640 69 0
## 687 0.314 22 0
## 691 0.856 34 0
## 692 0.257 44 1
## 695 0.191 25 0
## 698 0.253 22 0
## 700 0.904 26 0
## 704 0.304 41 0
## 707 0.261 30 1
## 709 0.148 45 1
## 715 0.121 32 0
## 725 0.265 45 0
## 729 0.326 22 0
## 730 0.141 22 0
## 732 0.259 22 1
## 735 0.560 53 0
## 740 0.293 42 1
## 744 0.734 45 1
## 750 0.178 50 1
## 751 1.182 22 1
## 758 0.258 52 1
## 759 0.197 26 0
## 760 0.278 66 1
## 763 0.142 33 0
## 767 0.349 47 1SkinThickness değerleri 0 yazan gözlemler tespit edilmiştir.
Insulin Değişkeni
Şeker hastalarında Insulin değeri, normal bireylerden farklılık gösterebileceği için bu değişkende de “0”lar incelenmeyecektir.
BMI Değişkeni
zeroBMI <- diabetes$BMI == 0
diabetes[zeroBMI, ]## Pregnancies Glucose BloodPressure SkinThickness Insulin BMI
## 10 8 125 96 0 0 0
## 50 7 105 0 0 0 0
## 61 2 84 0 0 0 0
## 82 2 74 0 0 0 0
## 146 0 102 75 23 0 0
## 372 0 118 64 23 89 0
## 427 0 94 0 0 0 0
## 495 3 80 0 0 0 0
## 523 6 114 0 0 0 0
## 685 5 136 82 0 0 0
## 707 10 115 0 0 0 0
## DiabetesPedigreeFunction Age Outcome
## 10 0.232 54 1
## 50 0.305 24 0
## 61 0.304 21 0
## 82 0.102 22 0
## 146 0.572 21 0
## 372 1.731 21 0
## 427 0.256 25 0
## 495 0.174 22 0
## 523 0.189 26 0
## 685 0.640 69 0
## 707 0.261 30 1BMI değerleri 0 yazan gözlemler tespit edilmiştir.
DiabetesPedigreeFunction Değişkeni
zeroDiabetesPedigreeFunction <- diabetes$DiabetesPedigreeFunction == 0
diabetes[zeroDiabetesPedigreeFunction, ]## [1] Pregnancies Glucose BloodPressure
## [4] SkinThickness Insulin BMI
## [7] DiabetesPedigreeFunction Age Outcome
## <0 rows> (or 0-length row.names)DiabetesPedigreeFunction değerleri 0 yazan gözlemler tespit edilmemiştir.
Age Değişkeni
zeroAge <- diabetes$Age == 0
diabetes[zeroAge, ]## [1] Pregnancies Glucose BloodPressure
## [4] SkinThickness Insulin BMI
## [7] DiabetesPedigreeFunction Age Outcome
## <0 rows> (or 0-length row.names)Age değerleri 0 yazan gözlemler tespit edilmemiştir.
3.2 Eksik Değer Doldurma
BloodPressure, SkinThickness, BMI değişkenlerinde “0” değerleri tespit edilmiştir. İlgili değişkenler, 0 sayısını normal şartlar altında içermeyeceğinden ötürü, eksik değer doldurma işlemi yapılacaktır.
BloodPressure Değişkeni
BloodPressure değişkeni nicel değişken olduğu için Regresyon Yöntemi ile eksik değerler doldurulacaktır.
Öncelikle 0 yazan BloodPressure değerleri “NA” olarak değiştirilmeli;
diabetes$BloodPressure[diabetes$BloodPressure == 0] <- NAEksik değerlerin doldurulması:
library(Hmisc)##
## Attaching package: 'Hmisc'## The following objects are masked from 'package:base':
##
## format.pval, unitsimpute_arg <- aregImpute(BloodPressure ~ Pregnancies + Glucose + BMI + SkinThickness + Insulin + DiabetesPedigreeFunction + Age + Outcome,
data = diabetes, n.impute = 1)## Iteration 1 imputed_BloodPressure <- impute_arg$imputed$BloodPressure
rows_with_missing_BloodPressure <- which(is.na(diabetes$BloodPressure))
diabetes$BloodPressure[rows_with_missing_BloodPressure] <- imputed_BloodPressureSkinThickness Değişkeni
SkinThickness değişkeni nicel değişken olduğu için Regresyon Yöntemi ile eksik değerler doldurulacaktır.
Öncelikle 0 yazan SkinThickness değerleri “NA” olarak değiştirilmeli;
diabetes$SkinThickness[diabetes$SkinThickness == 0] <- NAEksik değerlerin doldurulması:
library(Hmisc)
impute_arg <- aregImpute(SkinThickness ~ Pregnancies + Glucose + BMI + BloodPressure + Insulin + DiabetesPedigreeFunction + Age + Outcome,
data = diabetes, n.impute = 1)## Iteration 1 imputed_SkinThickness <- impute_arg$imputed$SkinThickness
rows_with_missing_SkinThickness <- which(is.na(diabetes$SkinThickness))
diabetes$SkinThickness[rows_with_missing_SkinThickness] <- imputed_SkinThicknessBMI Değişkeni
BMI değişkeni nicel değişken olduğu için Regresyon Yöntemi ile eksik değerler doldurulacaktır.
Öncelikle 0 yazan BMI değerleri “NA” olarak değiştirilmeli;
diabetes$BMI[diabetes$BMI == 0] <- NAEksik değerlerin doldurulması:
library(Hmisc)
impute_arg <- aregImpute(BMI ~ Pregnancies + Glucose + BloodPressure + SkinThickness + Insulin + DiabetesPedigreeFunction + Age + Outcome,
data = diabetes, n.impute = 1)## Iteration 1 imputed_BMI <- impute_arg$imputed$BMI
rows_with_missing_BMI <- which(is.na(diabetes$BMI))
diabetes$BMI[rows_with_missing_BMI] <- imputed_BMI3 değişkenin eksik değerleri, Regresyon Yöntemi ile dolduruldu. Kontrol edelim;
BloodPressure Değişkeni
zeroBloodPressure <- diabetes$BloodPressure == 0
diabetes[zeroBloodPressure, ]## [1] Pregnancies Glucose BloodPressure
## [4] SkinThickness Insulin BMI
## [7] DiabetesPedigreeFunction Age Outcome
## <0 rows> (or 0-length row.names)SkinThickness Değişkeni
zeroSkinThickness <- diabetes$SkinThickness == 0
diabetes[zeroSkinThickness, ]## [1] Pregnancies Glucose BloodPressure
## [4] SkinThickness Insulin BMI
## [7] DiabetesPedigreeFunction Age Outcome
## <0 rows> (or 0-length row.names)BMI Değişkeni
zeroBMI <- diabetes$BMI == 0
diabetes[zeroBMI, ]## [1] Pregnancies Glucose BloodPressure
## [4] SkinThickness Insulin BMI
## [7] DiabetesPedigreeFunction Age Outcome
## <0 rows> (or 0-length row.names)Eksik değer doldurma işlemi tamamlandı.
4 Uygulama
4.1 Bağımlı Değişken Ağırlık Kontrolü
Outcome değişkeni bağımlı değişkendir. Ancak bağımlı değişkenin frekanslarına ve oranlarına bakıldığında uzaklık tespit edilmektedir. Diyabeti olmayanların oranı %35 iken diyabeti olanların oranı %65’dir.
frekans_tablosu <- table(diabetes$Outcome)
oranlar <- prop.table(frekans_tablosu)
sonuc <- data.frame(Kategori = names(frekans_tablosu), Frekanslar = as.numeric(frekans_tablosu), Oranlar = as.numeric(oranlar))
sonuc## Kategori Frekanslar Oranlar
## 1 0 500 0.6510417
## 2 1 268 0.3489583Değişkenin ağırlığını birbirine yaklaştırmak için örneklem seçelim.
library(dplyr)## Warning: package 'dplyr' was built under R version 4.2.3##
## Attaching package: 'dplyr'## The following objects are masked from 'package:Hmisc':
##
## src, summarize## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union# Outcome değeri 1 olanların sayısı
n_outcome_1 <- sum(diabetes$Outcome == 1)
# Yeni Outcome değeri 1 olanların sayısı (268 olacak)
n_new_outcome_1 <- 268
# Yeni Outcome değeri 0 olanların sayısı (402 olacak)
n_new_outcome_0 <- 402
# Rasgele örneklemleri oluşturun
set.seed(123)
diabetes <- diabetes %>%
filter(Outcome == 1) %>%
slice_sample(n = n_new_outcome_1) %>%
bind_rows(diabetes %>%
filter(Outcome == 0) %>%
slice_sample(n = n_new_outcome_0))Veri setinin yeni gözlem sayısı:
nrow(diabetes)## [1] 670Frekans ve oranlar yeniden incelenirse;
frekans_tablosu <- table(diabetes$Outcome)
oranlar <- prop.table(frekans_tablosu)
sonuc <- data.frame(Kategori = names(frekans_tablosu), Frekanslar = as.numeric(frekans_tablosu), Oranlar = as.numeric(oranlar))
sonuc## Kategori Frekanslar Oranlar
## 1 0 402 0.6
## 2 1 268 0.4Bağımlı değişken çıktı sonuçları birbirine yaklaştı. Oranlar ise Diyabeti olmayanlar için %60 ve Diyabeti olanlar için %40 şeklinde belirlendi.
4.2 Kategorik Değişkenleri Belirleme
Veri setinde yer alan Insulin, BMI ve Outcome değişkenlerini kategorik değişkenlere çevirelim.
Insulin Değişkeni:
“Öğün başlangıcından 2 saat sonra kan şekerinin ölçülmesi sonucunda kan glukoz seviyesinin 200 mg/Dl’nin üzerinde olması diyabet hastalığının, 140-199 mg/Dl aralığında olması gizli şeker adı verilen pre-diyabet döneminin göstergesidir.” [1]
Bu anlamda, Insulin değeri 140’dan az olanlara düşük, 140-199 olanlara gizli şeker, 199’dan fazla olanlara şeker yazalım.
diabetes$Insulin <- ifelse(diabetes$Insulin < 140, "Normal",
ifelse(diabetes$Insulin >= 140 & diabetes$Insulin <= 199, "Gizli Şeker", "Diyabet"))BMI Değişkeni
“18, 5 kg/m² ’nin altındaki sonuçlar: İdeal kilonun altında 18, 5 kg/m² ile 24, 9 kg/m² arasındaki sonuçlar: İdeal kiloda 25 kg/m² ile 29, 9 kg/m² arasındaki sonuçlar: İdeal kilonun üstünde 30 kg/m² ile 39, 9 kg/m² arasındaki sonuçlar: İdeal kilonun çok üstünde (obez) 40 kg/m² üzerindeki sonuçlar: İdeal kilonun çok üstünde (morbid obez)” [2]
BMI değerleri incelendiğinde, 18.5 altında kalan gözlemlerin, diğer kategorilerdeki gözlemlere göre oldukça az olduğu gözlenmiştir. Bu sebeple öncelikle BMI değeri 18.5’den düşük olan gözlemler incelenecektir.
low_bmi_diabetes <- diabetes[diabetes$BMI <= 18.5, ]
low_bmi_diabetes## Pregnancies Glucose BloodPressure SkinThickness Insulin BMI
## 533 1 97 70 15 Normal 18.2
## DiabetesPedigreeFunction Age Outcome
## 533 0.147 21 0Kontrol edildiği üzere yalnızca 1 gözlemin BMI sonucu 18.5’in altında yer almıştır. Bu durum, kategori oluşturma aşamasında çalışmayı iyi devam ettiremeyeceğinden ötürü bir üst kategori olan “İdeal” kategorisine dahil edilecektir.
İdeal kategorsinin sınırları 18.5 - 24.9 olarak belirlenmişti. Alt sınıra olan yakınlığı sebebi ile gözlem silinmektense bu yöntemi uygulamak tercih edilmiştir.
BMI değişkenini kategorik değişkene çevirmek için;
diabetes$BMI <- ifelse(diabetes$BMI <= 24.9, "İdeal",
ifelse(diabetes$BMI >= 25 & diabetes$BMI <= 29.9, "Kilolu",
ifelse(diabetes$BMI >= 30 & diabetes$BMI <= 39.9, "Obez",
"Morbid Obez")))table(diabetes$BMI)##
## İdeal Kilolu Morbid Obez Obez
## 87 152 88 343Outcome Değişkeni
Kategorize etmek için;
0: Diyabeti yok, 1: Diyabeti var
diabetes$Outcome <- ifelse(diabetes$Outcome == 0, "Diyabeti Yok", "Diyabeti Var")5 Uygulama
5.1 Nitel Değişkenlerin Frekans Analizi
- İnsülin değişkeni
frekans_tablosu <- table(diabetes$Insulin)
oranlar <- prop.table(frekans_tablosu)
sonuc <- data.frame(Kategori = names(frekans_tablosu), Frekanslar = as.numeric(frekans_tablosu), Oranlar = as.numeric(oranlar))
sonuc## Kategori Frekanslar Oranlar
## 1 Diyabet 80 0.1194030
## 2 Gizli Şeker 76 0.1134328
## 3 Normal 514 0.7671642library(plotly)## Warning: package 'plotly' was built under R version 4.3.1## Zorunlu paket yükleniyor: ggplot2## Warning: package 'ggplot2' was built under R version 4.3.1##
## Attaching package: 'plotly'## The following object is masked from 'package:ggplot2':
##
## last_plot## The following object is masked from 'package:Hmisc':
##
## subplot## The following object is masked from 'package:stats':
##
## filter## The following object is masked from 'package:graphics':
##
## layoutcross <- as.data.frame(prop.table(table(diabetes$Insulin)))
colnames(cross)[1] <- "Insulin"
plot_ly(cross, labels = ~Insulin, values = ~Freq, type = 'pie')%>% layout(title ='Diyabet Durumu')- BMI değişkeni
frekans_tablosu <- table(diabetes$BMI)
oranlar <- prop.table(frekans_tablosu)
sonuc <- data.frame(Kategori = names(frekans_tablosu), Frekanslar = as.numeric(frekans_tablosu), Oranlar = as.numeric(oranlar))
sonuc## Kategori Frekanslar Oranlar
## 1 İdeal 87 0.1298507
## 2 Kilolu 152 0.2268657
## 3 Morbid Obez 88 0.1313433
## 4 Obez 343 0.5119403library(plotly)
cross <- as.data.frame(prop.table(table(diabetes$BMI)))
colnames(cross)[1] <- "BMI"
plot_ly(cross, labels = ~BMI, values = ~Freq, type = 'pie')%>% layout(title ='BMI Durumu')- Outcome Değişkeni
frekans_tablosu <- table(diabetes$Outcome)
oranlar <- prop.table(frekans_tablosu)
sonuc <- data.frame(Kategori = names(frekans_tablosu), Frekanslar = as.numeric(frekans_tablosu), Oranlar = as.numeric(oranlar))
sonuc## Kategori Frekanslar Oranlar
## 1 Diyabeti Var 268 0.4
## 2 Diyabeti Yok 402 0.6library(plotly)
cross <- as.data.frame(prop.table(table(diabetes$Outcome)))
colnames(cross)[1] <- "Outcome"
plot_ly(cross, labels = ~Outcome, values = ~Freq, type = 'pie')%>% layout(title ='Çıktı')6 Dönüşümlere Karar Verme
Glucose Değişkeni
Histogramı incelenerek Logaritmik dönüşüm uygulamasına karar verilmiştir.
DiabetesPedigreeFunction Değişkeni
Histogramı incelenerek Logaritmik dönüşüm uygulamasına karar verilmiştir.
Age Değişkeni
Histogramı incelenerek Logaritmik dönüşüm uygulamasına karar verilmiştir.
7 Dönüşüm
Glucose değişkeni için logaritmik dönüşüm, DiabetesPedigreeFunction değişkeni için logaritmik dönüşüm, Age değişkeni için logaritmik dönüşüm uygulanacaktır.
diabetes$glucose_log <- log10(diabetes$Glucose)
diabetes$diabetesPedigreeFunction_log <- log10(diabetes$DiabetesPedigreeFunction)
diabetes$age_log <- log10(diabetes$Age)Çıktılar SPSS’de incelenmiştir.
8 Grafikler
8.1 Sürekli Değişkenlerin Histogram Grafikleri
Glucose Değişkeni
library(ggplot2)ggplot(diabetes, aes(glucose_log)) +
geom_histogram(aes(y=..density..), fill="seashell2", color="black", bins=30) +
geom_density(alpha=.4, fill="cadetblue3") +
theme_minimal() +
labs(title = "Glucose Degerleri")+
theme(plot.title = element_text(hjust = 0.5, face = "bold", size = 20))## Warning: The dot-dot notation (`..density..`) was deprecated in ggplot2 3.4.0.
## ℹ Please use `after_stat(density)` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.## Warning: Removed 3 rows containing non-finite values (`stat_bin()`).## Warning: Removed 3 rows containing non-finite values (`stat_density()`).
BloodPressure
ggplot(diabetes, aes(BloodPressure)) +
geom_histogram(aes(y=..density..), fill="seashell2", color="black", bins=30) +
geom_density(alpha=.4, fill="cadetblue3") +
theme_minimal() +
labs(title = "BloodPressure Degerleri")+
theme(plot.title = element_text(hjust = 0.5, face = "bold", size = 20))
SkinThickness
ggplot(diabetes, aes(SkinThickness)) +
geom_histogram(aes(y=..density..), fill="seashell2", color="black", bins=30) +
geom_density(alpha=.4, fill="cadetblue3") +
theme_minimal() +
labs(title = "SkinThickness Degerleri")+
theme(plot.title = element_text(hjust = 0.5, face = "bold", size = 20))
DiabetesPedigreeFunction
ggplot(diabetes, aes(diabetesPedigreeFunction_log)) +
geom_histogram(aes(y=..density..), fill="seashell2", color="black", bins=30) +
geom_density(alpha=.4, fill="cadetblue3") +
theme_minimal() +
labs(title = "DiabetesPedigreeFunction Degerleri")+
theme(plot.title = element_text(hjust = 0.5, face = "bold", size = 20))
Age
ggplot(diabetes, aes(Age)) +
geom_histogram(aes(y=..density..), fill="seashell2", color="black", bins=30) +
geom_density(alpha=.4, fill="cadetblue3") +
theme_minimal() +
labs(title = "Age Degerleri")+
theme(plot.title = element_text(hjust = 0.5, face = "bold", size = 20))
hist(diabetes$Age)
8.2 Sürekli Değişkenlerin Kutu Grafikleri
Glucose Değişkeni
boxplot(diabetes$glucose_log, col = "orange")## Warning in bplt(at[i], wid = width[i], stats = z$stats[, i], out =
## z$out[z$group == : Outlier (-Inf) in boxplot 1 is not drawntitle(main = "Glucose Kutu Grafigi", font.main = 2, cex.main = 2)
BloodPressure Değişkeni
boxplot(diabetes$BloodPressure, main = "BloodPressure Kutu Grafiği", col="orange")
SkinThickness Değişkeni
boxplot(diabetes$SkinThickness, main = "SkinThickness Kutu Grafiği", col="orange")
DiabetesPedigreeFunction Değişkeni
boxplot(diabetes$diabetesPedigreeFunction_log, main = "DiabetesPedigreeFunction Kutu Grafiği", col="orange")
Age Değişkeni
boxplot(diabetes$Age, main = "Age Kutu Grafiği", col="orange")
8.3 Sürekli Değişkenlerin Q-Q Grafikleri
Glucose Değişkeni
qqnorm(diabetes$glucose_log, col = "darkblue", main = "Glucose QQ Plot", ylim = c(-3, 3))
qqline(diabetes$glucose_log, col = "red")
BloodPressure Değişkeni
qqnorm(diabetes$BloodPressure, col = "darkblue", main = "BloodPressure QQ Plot")
qqline(diabetes$BloodPressure, col = "red")
SkinThickness Değişkeni
qqnorm(diabetes$SkinThickness, col = "darkblue", main = "SkinThickness QQ Plot")
qqline(diabetes$SkinThickness, col = "red")
DiabetesPedigreeFunction Değişkeni
qqnorm(diabetes$diabetesPedigreeFunction_log, col = "darkblue", main = "DiabetesPedigreeFunction QQ Plot")
qqline(diabetes$diabetesPedigreeFunction_log, col = "red")
Age Değişkeni
qqnorm(diabetes$age_log, col = "darkblue", main = "Age QQ Plot")
qqline(diabetes$age_log, col = "red")
8.4 Sürekli Değişkenlerin Korelasyonları
diabetes$Outcome <- ifelse(diabetes$Outcome == "Diyabeti Var", 1, 0)library(PerformanceAnalytics)## Warning: package 'PerformanceAnalytics' was built under R version 4.3.1## Zorunlu paket yükleniyor: xts## Warning: package 'xts' was built under R version 4.3.1## Zorunlu paket yükleniyor: zoo## Warning: package 'zoo' was built under R version 4.3.1##
## Attaching package: 'zoo'## The following objects are masked from 'package:base':
##
## as.Date, as.Date.numeric##
## ######################### Warning from 'xts' package ##########################
## # #
## # The dplyr lag() function breaks how base R's lag() function is supposed to #
## # work, which breaks lag(my_xts). Calls to lag(my_xts) that you type or #
## # source() into this session won't work correctly. #
## # #
## # Use stats::lag() to make sure you're not using dplyr::lag(), or you can add #
## # conflictRules('dplyr', exclude = 'lag') to your .Rprofile to stop #
## # dplyr from breaking base R's lag() function. #
## # #
## # Code in packages is not affected. It's protected by R's namespace mechanism #
## # Set `options(xts.warn_dplyr_breaks_lag = FALSE)` to suppress this warning. #
## # #
## #################################################################################
## Attaching package: 'xts'## The following objects are masked from 'package:dplyr':
##
## first, last##
## Attaching package: 'PerformanceAnalytics'## The following object is masked from 'package:graphics':
##
## legendGlucose, BloodPressure, SkinThickness, DiabetesPedigreeFunction ve Age Değişkenleri
Glucose değişkenine dönüşüm uygulanıp normallik sağlanmıştı. Ancak glucose_log değişkeninde -Inf değerler söz konusu olduğu için Glucose değerlerine +1 eklenerek logaritması alınana yeni bir değişken oluşturuldu. Bu sayede -Inf olan değerler problem çıkartmayacaktır.
diabetes$Glucose_plus <- log10(diabetes$Glucose + 1)
cor_diabetes <- diabetes[, c(3, 4, 11, 12, 13)]
chart.Correlation(cor_diabetes, histogram = TRUE, pch = 19, method="pearson")## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter
## Warning in par(usr): argument 1 does not name a graphical parameter